CN112365039B - 一种基于纵横相关性进行月度用电量预测的方法及系统 - Google Patents

一种基于纵横相关性进行月度用电量预测的方法及系统 Download PDF

Info

Publication number
CN112365039B
CN112365039B CN202011208355.1A CN202011208355A CN112365039B CN 112365039 B CN112365039 B CN 112365039B CN 202011208355 A CN202011208355 A CN 202011208355A CN 112365039 B CN112365039 B CN 112365039B
Authority
CN
China
Prior art keywords
data
month
longitudinal
predicted
transverse
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011208355.1A
Other languages
English (en)
Other versions
CN112365039A (zh
Inventor
杨晓波
陈雪敏
丁恒春
周辛南
刘丽娟
葛楠
杜暄
张庆贺
杨东升
薛一鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011208355.1A priority Critical patent/CN112365039B/zh
Publication of CN112365039A publication Critical patent/CN112365039A/zh
Application granted granted Critical
Publication of CN112365039B publication Critical patent/CN112365039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于纵横相关性进行月度用电量预测的方法及系统，其中，该方法包括：获取历史用电量数据；根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；将横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；将纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；分别根据横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；根据横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；取横向预测值及纵向预测值的平均值，得到待预测月份的月度用电量预测结果。

Description

一种基于纵横相关性进行月度用电量预测的方法及系统
技术领域
本发明涉及电量预测技术领域，尤指一种基于纵横相关性进行月度用电量预测的方法及系统。
背景技术
在现有技术中，月度用电量预测方法通常采用时间序列法、趋势外推法、回归分析法等常规方法以及专家系统方法、神经网络法、灰色数学理论、模糊逻辑等智能算法。
在上述方法中，时间序列法仅与时间序列相关联，算法简单且运算速度快，但对数据平稳性要求高；趋势外推法中，当数据序列存在明显的波动时，预测结果不甚理想；回归分析法对数据质量依赖性较大，当数据呈现非线性特征或规律性不强时，拟合出的回归模型预测误差往往很大，且由于回归模型较为简单，算法较为低级，依据历史数据拟合出的回归模型有可能出现伪回归现象，即拟合的回归关系不能够真实反映变量和自变量之间存在的均衡关系。
综上来看，亟需一种可以通过多维度来预测电量值，以保证预测结果准确性的技术方案。
发明内容
为克服现有技术存在的问题，本发明提出了一种基于纵横相关性进行月度用电量预测的方法及系统，从横向、纵向两个维度来计算用电量的相似度，实现月度用电量的预测；横向相似度是以年为单位，以除待测月份对应的年数据以外的多年历史用电数据为分组标准，与待测月份对应的年数据进行相似度计算，从而对待测月度用电量进行横向预测；纵向相似度是以各年同一月份的历史用电数据为分组标准，将除待测月对应的年数据外历年相同月份的月度用电量与待测月份对应的历史用电数据的进行相似度计算，从而对待测月度用电量进行纵向预测；利用横向预测的预测值及纵向预测的预测值，取两者得平均值得到最终预测结果。
在本发明实施例的第一方面，提出了一种基于纵横相关性进行月度用电量预测的方法，该方法包括：
获取历史用电量数据；
根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；其中，所述横向数据组包括：待预测月份对应的横向数据组及横向参考数据组；所述多组纵向数据组包括：待预测月份对应的纵向数据组及纵向参考数据组；
将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；
将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；
分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；
根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；
计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果。
在本发明实施例的第二方面，提出了一种基于纵横相关性进行月度用电量预测的系统，该系统包括：
数据获取模块，用于获取历史用电量数据；
数据划分模块，用于根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；其中，所述横向数据组包括：待预测月份对应的横向数据组及横向参考数据组；所述多组纵向数据组包括：待预测月份对应的纵向数据组及纵向参考数据组；
横向相关性计算模块，用于将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；
纵向相关性计算模块，用于将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；
权重计算模块，用于分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；
预测值计算模块，用于根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；
预测结果计算模块，用于计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果。
在本发明实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于纵横相关性进行月度用电量预测的方法。
在本发明实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于纵横相关性进行月度用电量预测的方法。
本发明提出的基于纵横相关性进行月度用电量预测的方法及系统从横向、纵向两个维度来计算用电量的相似度，实现月度用电量的预测；横向相似度是以年为单位，以除待测月份对应的年数据以外的多年历史用电数据为分组标准，与待测月份对应的年数据进行相似度计算，从而对待测月度用电量进行横向预测；纵向相似度是以各年同一月份的历史用电数据为分组标准，将除待测月对应的年数据外历年相同月份的月度用电量与待测月份对应的历史用电数据的进行相似度计算，从而对待测月度用电量进行纵向预测；利用横向预测的预测值及纵向预测的预测值，取两者得平均值得到最终预测结果，该预测结果能够真实反映变量与自变量之间的均衡关系，更加接近实际情况，准确性高，可以为电力分析提供有力的数据支持。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明一实施例的基于纵横相关性进行月度用电量预测的方法流程示意图。
图2是本发明一具体实施例的对表3的历史数据进行横向划分的示意图。
图3是本发明一具体实施例的对表3的历史数据进行纵向划分的示意图。
图4是本发明一具体实施例的2011年1月至2018年11月的历史月度用电量曲线示意图。
图5是本发明一实施例的基于纵横相关性进行月度用电量预测的系统架构示意图。
图6是本发明一实施例的计算机设备结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施方式，提出了一种基于纵横相关性进行月度用电量预测的方法及系统。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
图1是本发明一实施例的基于纵横相关性进行月度用电量预测的方法流程示意图。如图1所示，该方法包括：
步骤S101，获取历史用电量数据；
步骤S102，根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；其中，所述横向数据组包括：待预测月份对应的横向数据组及横向参考数据组；所述多组纵向数据组包括：待预测月份对应的纵向数据组及纵向参考数据组；
步骤S103，将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；
步骤S104，将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；
步骤S105，分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；
步骤S106，根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；
步骤S107，计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果。
为了对上述基于纵横相关性进行月度用电量预测的方法进行更为清楚的解释，下面结合每一步进行具体说明。
步骤S101，获取数据：
获取至少连续6年的历史用电数据。
可以采集最近连续6至7年每个月的月度用电量，以保证预测结果越准确。
步骤S102，横向划分、纵向划分：
步骤S1021，根据所述待预测月份将历史用电量数据进行横向划分；其中，将所述待预测月份之前的11个月的历史用电量数据进行划分，作为待预测月份对应的横向数据组；并分别将与所述待预测月份的年份不同且月份相同的月份之前的11个月的历史用电量数据进行划分，得到多个横向参考数据组；
步骤S1022，根据所述待预测月份将历史用电量数据进行纵向划分，其中，从所述待预测月份的前一年开始，将月份相同的历史用电量数据进行划分，得到待预测月份对应的纵向数据组及其它11个月对应的纵向参考数据组。
步骤S103，计算横向相关性：
分别计算每个所述横向参考数据组的历史用电量数据与待预测月份对应的横向数据组的历史用电量数据之间的欧氏距离，得到横向欧式距离。
欧式距离的计算公式为：
其中，d(x,y)为欧式距离；xi、yi分别为对应月份的历史用电量数据，i＝1,、2、…、n；n为月份的个数。
步骤S104，计算纵向相关性：
分别计算每个所述纵向参考数据组的历史用电量数据与待预测月份对应的纵向数据组的历史用电量数据之间的欧氏距离，得到纵向欧式距离，计算公式可以采用式1。
步骤S105，计算权重：
步骤S1051，在所述横向欧式距离中，选取欧氏距离排序最小的一定数量的欧氏距离，根据选取的欧氏距离进行权重计算，得到横向数据权重；
步骤S1052，在所述纵向欧式距离中，选取欧氏距离排序最小的一定数量的欧氏距离，根据选取的欧氏距离进行权重计算，得到纵向数据权重。
步骤S106，计算横向预测值、纵向预测值：
步骤S1061，根据所述横向数据权重及横向参考数据组对应的第12个月份的历史用电量数据，通过加权求和得到待预测月份的横向预测值；
步骤S1062，根据所述纵向数据权重及待预测月份之前的11个月中与纵向参考数据组的月份相同的历史用电量数据，通过加权求和得到待预测月份的横向预测值。
步骤S107，计算预测结果：
计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果。
需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
为了对上述基于纵横相关性进行月度用电量预测的方法进行更为清楚的解释，下面结合一个具体的实施例来进行说明，然而值得注意的是该实施例仅是为了更好地说明本发明，并不构成对本发明不当的限定。
为保障预测的准确性，需要足够的历史数据，至少需要最近连续N年每个月的月度用电量。
举例而言，设待求月电量为X年Y月，采集的数据为连续6年的历史数据的月电量，经过整理，将X年Y月放在表中最后一格，则数据表如表1所示。其中，若纵坐标对应的Y减1至11中某一项为0或负数，则年份减1，月份从12月继续排列。
表1历史电量数据表
若待测月份为2018年12月，采集近8年的历史电量数据，如表2所示，表中包含2011年1月至2018年11月的历史用电数据。
表2历史用电数据表。
若待测月份为2019年5月，采集近8年的历史电量数据，如表3所示，表中包含2011年6月至2019年4月的历史用电数据。
表3历史用电数据表
在整理历史用电数据时，如果采集前N的数据，则设置N行12列的数据表，将待测月份放置在最后一格，并依时间顺序向前填充历史用电数据，使每行包含12个月的数据，每列为月份相同(年份不同)的数据。
按相似度横向、纵向排序完成后，进行相关性计算，具体过程为：
假设待求为X年Y月的月电量，横向划分需要以横向的年(12个月)为单位，计算前N-1年与待测月份所对应的历史数据的相似度(N为采集历史数据的年份总数)；纵向划分式以纵向的月为单位，计算除待测月以外的其他11个月与待测月的历史数的相似度；本发明的相似度计算采用欧氏距离。
横向划分：
将所述待预测月份之前的11个月的历史用电量数据进行划分，作为待预测月份对应的横向数据组；并分别将与所述待预测月份的年份不同且月份相同的月份之前的11个月的历史用电量数据进行划分，得到多个横向参考数据组。
参考图2，为本发明一具体实施例的对表3的历史数据进行横向划分的示意图。
如图2所示，2018年6月至2019年4月为待测月对应的横向数据组；依次将与待测月份相同且年份不同的月份之前的11个月进行划分，得到多组横向数据参考组(数量为N-1)，即2017年6月至2018年4月、2016年6月至2017年4月等，均为横向数据参考组。
将横向数据参考组，依次与待测月对应的横向数据组进行欧式距离的计算，公式如下：
其中，I＝11表示的是历年除去待测月份的月份个数。此时，ρ计算的是横向数据中各个横向数据参考组与2019年5月对应的横向数据组的欧式距离。
纵向划分：
纵向数据是除去待测月份之前11个月的用电量以外，将月份相同的月用电量数据划分在一组，共12个数据组，其中包含了1个待测月对应的纵向数据组，及11个纵向参考数据组；
参考图3，为本发明一具体实施例的对表3的历史数据进行纵向划分的示意图。
如图3所示，2012年至2018年的5月为待测月份对应的纵向数据组；除这组以外，另外还可以划分出11组纵向参考数据组，分别是2012年至2018年的1月、2月、3月、4月，及2011年至2017年的6月、8月、9月、10月、11月、12月。
将纵向数据参考组，依次与待测月对应的横向数据组进行欧式距离的计算，公式如下：
其中，N表示的是历史数据的年份本文选所需数据为历史数据的年份个数。此时，ρ计算的是纵向数据中历年第i月对应数据与历年待测月份的欧式距离。
将欧氏距离进行排序后，求取权重值，利用权重值和历史数据确定预测值，具体过程为：
求取权重，计算横向预测值：
横向相似度为历年与待测月份所在年份之间的相似度，纵向相似度为N-1年相同月份与待测月份之间的相似度。
对欧氏距离进行排序，选出最小的前A个，对横向组按照相似度的比例求取权重ωli，计算公式如下：
其中，ωli为第i个的数据的权重，Qli为第i个的月度用电量。
对纵向组同样是按照相似度的比例求取权重。
横向：
以图2为例，若选出的欧氏距离最小的前3个为第一组(2011年6月至2012年4月)、第二组(2012年6月至2013年4月)、第三组(2013年6月至2014年4月)，分别计算每组的权重。
根据该权重及每组对应的2012年5月(第一组)、2013年5月(第二组)、2014年5月(第三组)的用电量，进行加权计算得到横向预测值。
纵向：
以图3为例，若选出的欧氏距离最小的前3个为第一组(6月)、第二组(7月)、第十一组(4月)，分别计算每组的权重。
根据该权重及每组对应的2018年6月(第一组)、2018年7月(第二组)、2019年4月(第十一组)的用电量，进行加权计算得到纵向预测值。
计算预测结果：
取横向、纵向月预测值的平均值，得到2019年5月的最终预测结果。
以某一电网2011年1月至2018年11月的月度电量的数据为例，待测月为2018年12月，历史月度用电量的曲线如图4所示。
1、计算横向组2018年12月份月度用电量的预测值：
首先，进行横向分组后，可以划分出2011年1月至11月、2012年1月至11月、2013年1月至11月、2014年1月至11月、2015年1月至11月、2016年1月至11月、2017年1月至11月7个横向数据参考组，2018年1月至11月为待测月对应的横向数据组。
分别计算7个横向参考数据组与待测月对应的横向数据组的欧式距离，如表4所示，为欧氏距离表。
表4 2011至2017年的欧氏距离表
2011年 2012年 2013年 2014年
欧氏距离 461988.81 389600.37 245344.41 250657.21
2015年 2016年 2017年
欧氏距离 354043.62 415748.72 295668.3
对表4中的欧氏距离进行排序，得到表5。
表5 2011至2017年的欧式距离排序
2013年 2014年 2017年 2015年
排序 1 2 3 4
欧氏距离 245344.41 250657.21 295668.3 354043.62
2012年 2016年 2011年
排序 5 6 7
欧氏距离 389600.37 415748.72 461988.81
选取前3名，即2013、2014、2017年的欧氏距离设为A1，A2，A3，按照比例确定权重ωi为：
I为1、2、3。
经过权重计算，得到表6的权重数据，并获取横向参考数据组对应的12月的用电量。
表6欧氏距离最小的3名对应的权重及对应的12月份电量
基于表6，通过加权求和最终得到2018年12月用电量预测值为1251798.88万千瓦时。
2、计算纵向组的2018年12月份的月度用电量预测值：
首先，进行纵向分组后，可以划分出1至11月的纵向参考数据组，及12月(待测月)对应的纵向数据组。
分别计算11个纵向参考数据组与待测月对应的纵向数据组计算欧氏距离，如表7所示：
表7历年相同月份之间的欧式距离
将表7中的欧氏距离进行排序，得到表8。
表8历年相同月份之间的欧式距离排序
选取前3名7月、9月、8月，利用式5计算前3名的权重，并获取2018年对应月份(7月、9月、8月)的用电量，得到表9如下：
表9欧氏距离最小的前3名的权重及2018年对应月份的用电量
基于表9，通过加权求和得到纵向组2018年12月用电量预测值为1148057.44万千瓦时。
3、取横向组用电量预测值与纵向组用电量预测值的平均数为最终预测值：1199928.16万千瓦时。
在介绍了本发明示例性实施方式的方法之后，接下来，参考图5对本发明示例性实施方式的基于纵横相关性进行月度用电量预测的系统进行介绍。
基于纵横相关性进行月度用电量预测的系统的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
基于同一发明构思，本发明还提出了一种基于纵横相关性进行月度用电量预测的系统，如图5所示，该系统包括：
数据获取模块510，用于获取历史用电量数据；
数据划分模块520，用于根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；其中，所述横向数据组包括：待预测月份对应的横向数据组及横向参考数据组；所述多组纵向数据组包括：待预测月份对应的纵向数据组及纵向参考数据组；
横向相关性计算模块530，用于将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；
纵向相关性计算模块540，用于将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；
权重计算模块550，用于分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；
预测值计算模块560，用于根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；
预测结果计算模块570，用于计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果。
在一实施例中，所述数据划分模块520包括：
横向划分单元，用于根据所述待预测月份将历史用电量数据进行横向划分；其中，将所述待预测月份之前的11个月的历史用电量数据进行划分，作为待预测月份对应的横向数据组；并分别将与所述待预测月份的年份不同且月份相同的月份之前的11个月的历史用电量数据进行划分，得到多个横向参考数据组；
纵向划分单元，用于根据所述待预测月份将历史用电量数据进行纵向划分，其中，从所述待预测月份的前一年开始，将月份相同的历史用电量数据进行划分，得到待预测月份对应的纵向数据组及其它11个月对应的纵向参考数据组。
在一实施例中，所述横向相关性计算模块530具体用于：
分别计算每个所述横向参考数据组的历史用电量数据与待预测月份对应的横向数据组的历史用电量数据之间的欧氏距离，得到横向欧式距离。
在一实施例中，所述纵向相关性计算模块540具体用于：
分别计算每个所述纵向参考数据组的历史用电量数据与待预测月份对应的纵向数据组的历史用电量数据之间的欧氏距离，得到纵向欧式距离。
在一实施例中，所述权重计算模块550包括：
横向权重计算单元，用于在所述横向欧式距离中，选取欧氏距离排序最小的一定数量的欧氏距离，根据选取的欧氏距离进行权重计算，得到横向数据权重；
纵向权重计算单元，用于在所述纵向欧式距离中，选取欧氏距离排序最小的一定数量的欧氏距离，根据选取的欧氏距离进行权重计算，得到纵向数据权重。
在一实施例中，所述预测值计算模块560包括：
横向预测值计算单元，用于根据所述横向数据权重及横向参考数据组对应的第12个月份的历史用电量数据，通过加权求和得到待预测月份的横向预测值；
纵向预测值计算单元，用于根据所述纵向数据权重及待预测月份之前的11个月中与纵向参考数据组的月份相同的历史用电量数据，通过加权求和得到待预测月份的横向预测值。
应当注意，尽管在上文详细描述中提及了基于纵横相关性进行月度用电量预测的系统的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
基于前述发明构思，如图6所示，本发明还提出了一种计算机设备600，包括存储器610、处理器620及存储在存储器610上并可在处理器620上运行的计算机程序630，所述处理器620执行所述计算机程序630时实现前述基于纵横相关性进行月度用电量预测的方法。
基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述基于纵横相关性进行月度用电量预测的方法。
本发明提出的基于纵横相关性进行月度用电量预测的方法及系统从横向、纵向两个维度来计算用电量的相似度，实现月度用电量的预测；横向相似度是以年为单位，以除待测月份对应的年数据以外的多年历史用电数据为分组标准，与待测月份对应的年数据进行相似度计算，从而对待测月度用电量进行横向预测；纵向相似度是以各年同一月份的历史用电数据为分组标准，将除待测月对应的年数据外历年相同月份的月度用电量与待测月份对应的历史用电数据的进行相似度计算，从而对待测月度用电量进行纵向预测；利用横向预测的预测值及纵向预测的预测值，取两者得平均值得到最终预测结果，该预测结果能够真实反映变量与自变量之间的均衡关系，更加接近实际情况，准确性高，可以为电力分析提供有力的数据支持。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (5)

1.一种基于纵横相关性进行月度用电量预测的方法，其特征在于，该方法包括：
获取历史用电量数据；
根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；其中，所述横向数据组包括：待预测月份对应的横向数据组及横向参考数据组；所述纵向数据组包括：待预测月份对应的纵向数据组及纵向参考数据组；
将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；
将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；
分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；
根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；
计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果；
其中，根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组，包括：
根据所述待预测月份将历史用电量数据进行横向划分；其中，将所述待预测月份之前的11个月的历史用电量数据进行划分，作为待预测月份对应的横向数据组；并分别将与所述待预测月份的年份不同且月份相同的月份之前的11个月的历史用电量数据进行划分，得到多个横向参考数据组；
根据所述待预测月份将历史用电量数据进行纵向划分，其中，从所述待预测月份的前一年开始，将月份相同的历史用电量数据进行划分，得到待预测月份对应的纵向数据组及其它11个月对应的纵向参考数据组；
其中，将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据，包括：
分别计算每个所述横向参考数据组的历史用电量数据与待预测月份对应的横向数据组的历史用电量数据之间的欧氏距离，得到横向欧氏距离；
其中，将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据，包括：
分别计算每个所述纵向参考数据组的历史用电量数据与待预测月份对应的纵向数据组的历史用电量数据之间的欧氏距离，得到纵向欧氏距离；
其中，分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重，包括：
在所述横向欧氏距离中，选取欧氏距离排序最小的一定数量的欧氏距离，根据选取的欧氏距离进行权重计算，得到横向数据权重；
在所述纵向欧氏距离中，选取欧氏距离排序最小的一定数量的欧氏距离，根据选取的欧氏距离进行权重计算，得到纵向数据权重；
其中，根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值，包括：
根据所述横向数据权重及横向参考数据组对应的第12个月份的历史用电量数据，通过加权求和得到待预测月份的横向预测值；
根据所述纵向数据权重及待预测月份之前的11个月中与纵向参考数据组的月份相同的历史用电量数据，通过加权求和得到待预测月份的纵向预测值。
2.根据权利要求1所述的基于纵横相关性进行月度用电量预测的方法，其特征在于，获取历史用电量数据，包括：
获取至少连续6年的历史用电数据。
3.一种基于纵横相关性进行月度用电量预测的系统，其特征在于，该系统用于实现权利要求1或2所述的基于纵横相关性进行月度用电量预测的方法，包括：
数据获取模块，用于获取历史用电量数据；
数据划分模块，用于根据待预测月份将历史用电量数据进行横向划分及纵向划分，得到横向数据组及纵向数据组；其中，所述横向数据组包括：待预测月份对应的横向数据组及横向参考数据组；所述纵向数据组包括：待预测月份对应的纵向数据组及纵向参考数据组；
横向相关性计算模块，用于将所述横向参考数据组与待预测月份对应的横向数据组进行相关性计算，得到横向相关性数据；
纵向相关性计算模块，用于将所述纵向参考数据组与待预测月份对应的纵向数据组进行相关性计算，得到纵向相关性数据；
权重计算模块，用于分别根据所述横向相关性数据及纵向相关性数据进行权重计算，得到横向数据权重及纵向数据权重；
预测值计算模块，用于根据所述横向数据权重、纵向数据权重及历史用电量数据，分别得到待预测月份的横向预测值及待预测月份的纵向预测值；
预测结果计算模块，用于计算所述待预测月份的横向预测值及待预测月份的纵向预测值的平均值，得到待预测月份的月度用电量预测结果。
4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1或2所述方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1或2所述方法。
CN202011208355.1A 2020-11-03 2020-11-03 一种基于纵横相关性进行月度用电量预测的方法及系统 Active CN112365039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011208355.1A CN112365039B (zh) 2020-11-03 2020-11-03 一种基于纵横相关性进行月度用电量预测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011208355.1A CN112365039B (zh) 2020-11-03 2020-11-03 一种基于纵横相关性进行月度用电量预测的方法及系统

Publications (2)

Publication Number Publication Date
CN112365039A CN112365039A (zh) 2021-02-12
CN112365039B true CN112365039B (zh) 2023-11-24

Family

ID=74514095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011208355.1A Active CN112365039B (zh) 2020-11-03 2020-11-03 一种基于纵横相关性进行月度用电量预测的方法及系统

Country Status (1)

Country Link
CN (1) CN112365039B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705999A (zh) * 2021-08-19 2021-11-26 国网河南省电力公司周口供电公司 一种电力大数据自动推理平台及电力分配系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260802A (zh) * 2015-11-06 2016-01-20 国网冀北电力有限公司 基于修正业扩生长曲线与季节调整的月度电量预测方法
CN105574607A (zh) * 2015-12-10 2016-05-11 四川省电力公司供电服务中心 一种电力市场月度用电预测方法
CN106203738A (zh) * 2016-08-01 2016-12-07 国家电网公司 城市电网总量负荷年最大值的双向预测方法
CN106485262A (zh) * 2016-09-09 2017-03-08 国网山西省电力公司晋城供电公司 一种母线负荷预测方法
JP2017050919A (ja) * 2015-08-31 2017-03-09 住友電気工業株式会社 需要電力予測装置、需要電力予測方法及びコンピュータプログラム
CN107038502A (zh) * 2017-04-18 2017-08-11 国网安徽省电力公司芜湖供电公司 考虑季节特性的改进小波包用电量预测方法
CN109902886A (zh) * 2019-04-10 2019-06-18 广东电网有限责任公司 一种二维配电通信网网络流量预测方法
CN110796282A (zh) * 2019-09-18 2020-02-14 国网江苏省电力有限公司 一种基于相关性系数的行业波动周期监测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017050919A (ja) * 2015-08-31 2017-03-09 住友電気工業株式会社 需要電力予測装置、需要電力予測方法及びコンピュータプログラム
CN105260802A (zh) * 2015-11-06 2016-01-20 国网冀北电力有限公司 基于修正业扩生长曲线与季节调整的月度电量预测方法
CN105574607A (zh) * 2015-12-10 2016-05-11 四川省电力公司供电服务中心 一种电力市场月度用电预测方法
CN106203738A (zh) * 2016-08-01 2016-12-07 国家电网公司 城市电网总量负荷年最大值的双向预测方法
CN106485262A (zh) * 2016-09-09 2017-03-08 国网山西省电力公司晋城供电公司 一种母线负荷预测方法
CN107038502A (zh) * 2017-04-18 2017-08-11 国网安徽省电力公司芜湖供电公司 考虑季节特性的改进小波包用电量预测方法
CN109902886A (zh) * 2019-04-10 2019-06-18 广东电网有限责任公司 一种二维配电通信网网络流量预测方法
CN110796282A (zh) * 2019-09-18 2020-02-14 国网江苏省电力有限公司 一种基于相关性系数的行业波动周期监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
城市电网总量负荷年最大值的双向预测方法;李科 等;电测与仪表;第54卷(第15期);第45-49页 *

Also Published As

Publication number Publication date
CN112365039A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN106897109A (zh) 基于随机森林回归的虚拟机性能预测方法
KR101432436B1 (ko) 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측 장치 및 방법
CN105844371A (zh) 一种用电客户短期负荷需求预测方法及装置
CN106529731A (zh) 一种区域电网光伏电站集群划分方法
CN103853939A (zh) 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法
CN111415027A (zh) 构建件量预测模型的方法和装置
CN108805331A (zh) 一种用电量预测方法
CN112487612B (zh) 基于分配因子和信息熵的母线负荷组合预测方法及系统
CN112365039B (zh) 一种基于纵横相关性进行月度用电量预测的方法及系统
CN113449257A (zh) 配电网线损的预测方法、控制装置、及存储介质
CN115456306A (zh) 一种母线负荷预测方法、系统、设备及存储介质
CN111126499A (zh) 一种基于二次聚类的用电行为模式分类方法
CN104102804A (zh) 一种预测设备器件寿命的方法及装置
CN115498628A (zh) 一种含储能配电网的可靠性评估方法及系统
CN114971090A (zh) 一种电供暖负荷预测方法、系统、设备和介质
Mohammad et al. Short term load forecasting using deep neural networks
CN117973953A (zh) 居民温控负荷的需求响应潜力预测模型的构建方法和装置
CN113793057A (zh) 一种基于回归分析模型的建筑招投标数据生成方法
CN111310121A (zh) 一种新能源出力概率预测方法和系统
CN117554714A (zh) 用电异常检测方法、用电异常检测装置和电子装置
CN109840308B (zh) 一种区域风电功率概率预报方法及系统
CN115935196A (zh) 工艺与生产线的匹配度计算方法、优化方法和装置
CN111768282B (zh) 数据分析方法、装置、设备及存储介质
CN105701027B (zh) 数据存储量的预测方法和预测装置
CN105743720A (zh) 一种链路质量评估方法及其装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant